嵌入式设备的资源是非常珍贵的，直接决定了产品前期开发的投入，而在后期将影响产品投放市场后的利益回报率的高低。小型的许多嵌入式设备在存储上都做了必要的让步，采用文件存储这样比较传统但是方便的方法。而对于数据量比较大，数据读入读出比较频繁的项目，大家都比较倚重SQLserver，Oracle等大型数据库。我没做过具体的数据分析，只是简单在网上看过一些统计资料。笔者曾做过基于sqlite3的应用开发，为

TOPSTOPS是Tera Operations Per Second的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作。与此对应的还有GOPS（Giga Operations Per Second），MOPS（Million Operation Per Second）算力单位。1GOPS代表处理器每秒钟可进行十亿次（109）操作，1MOPS代表处理器每秒钟可进行一百万次（106）

一、OpenCV中的硬编码OpenCV2.4.6中，已实现利用GPU进行写视频，编码过程由cv::gpu::VideoWriter_GPU完成，其示例程序如下。int main(int argc, const char* argv[]) {     if (argc != 2)     {         std::cerr "Usage : video_writer "       

嵌入式设备的资源是非常珍贵的，直接决定了产品前期开发的投入，而在后期将影响产品投放市场后的利益回报率的高低。小型的许多嵌入式设备在存储上都做了必要的让步，采用文件存储这样比较传统但是方便的方法。而对于数据量比较大，数据读入读出比较频繁的项目，大家都比较倚重SQLserver，Oracle等大型数据库。我没做过具体的数据分析，只是简单在网上看过一些统计资料。笔者曾做过基于sqlite3的应用开发，为

Audacity is a popular sound recorder and audio editor. It is a capable program while still being easy to use. The majority of users are on Windows but the same Audacity source code compiles to run on

笨重的显卡、更强大的 CPU、高分辨率显示屏，所有这些都对高品质3D 视觉体验十分重要——无论是对于游戏还是 VR。但如果用户需要等 n 年才能下载好高清内容，数据太大又无法直播，那么所有这一切都变得不重要。这就是为什么互联网巨头们——比如谷歌，会投入巨大时间精力来研究压缩数据的新方法。上周，谷歌发布了一个开源 3D 模型压缩库"Draco"，它功能简单但是潜力不可限量。Draco 由谷歌

通过对图像的RGB色彩空间进行归一化处理，在某些情况下是去除光照和阴影影响的一种简单和有效的方法。假设RGB代表原图像某点的像素值，rgb表示归一化之后的值，则r = R / (R+G+B)；g = G / (R+G+B)；b = B / (R+G+B)； 实现归一化RGB的方法如下：// 对输入的原始RGB图像获取对应的归一化图像IplImage*

硬件合成HWC2Hardware Composer HAL (HWC) 是 SurfaceFlinger 用来将 Surface 合成到屏幕。HWC 可以抽象出叠加层和 2D 位块传送器等，其主要是帮忙GPU完成一些工作。SurfaceFlinger是一个系统服务，其作用是接受来自多个源的Buffer数据，对它们进行合成，然后发送到显示设备进行显示。在之前的Android版本中，显示基本都是基于硬

笨重的显卡、更强大的 CPU、高分辨率显示屏，所有这些都对高品质3D 视觉体验十分重要——无论是对于游戏还是 VR。但如果用户需要等 n 年才能下载好高清内容，数据太大又无法直播，那么所有这一切都变得不重要。这就是为什么互联网巨头们——比如谷歌，会投入巨大时间精力来研究压缩数据的新方法。上周，谷歌发布了一个开源 3D 模型压缩库"Draco"，它功能简单但是潜力不可限量。Draco 由谷歌

https://blog.csdn.net/spark_csdn/article/details/57080034ffmpeg合并视频的方法有三种。国内大多数仅介绍了其中之一。于是觉得有必要翻译一下。其实在ffmpeg的 FAQ文档中有比较详细的说明。 使用concat协议进行视频文件的合并这种方式的适用场景是：视频容器是MPEG-1, MPEG-2 PS或DV等可以直接进行合并的。换句话说，其实